Arena推出事实性排名
arena · x · 2026-07-16
Arena 推出一个把人类偏好与事实性加权结合的新模型排名。
- 事实性已在 Text Arena 和 Search Arena 里作为非默认开关上线。
- 他们通过随机抽取对战、提取可用网页验证的断言，再核验这些断言的正确率来计算事实性。
- 为了支撑这套排名，团队已经标注了 200万+ 条 LLM 真实对话中的断言，其中 130万+ 来自 Text Arena、70万+ 来自 Search Arena。
- 开启事实性后，Text Arena 里一些模型名次变化明显：Claude Fable 5 小幅跌至第2，GPT-5.5 上升 13 位到第7，Muse Spark 从第7跌到第20。
- 按厂商看，Meta 的跌幅最大；Anthropic 仍保持整体第1。若只看开源模型厂商，小米提升最大，从第9升到第6。
所属事件:Arena 将事实性纳入模型排行榜(12 条相关)→
「模型」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27